[論文レビュー] ReSkin: versatile, replaceable, lasting tactile skins

Raunaq Bhirangi, Tess Hellebrekers+2 more|arXiv (Cornell University)|Oct 29, 2021

Advanced Sensor and Energy Harvesting Materials参考文献 35被引用数 4

ひとこと要約

ReSkin は、磁界歪みと機械学習を用いて、多様な形状要因において高精度な力および接触位置の局所化を実現する低コストで交換可能で耐久性のあるタクトイルセンシングスキンです。自己教師あり学習により、新品および摩耗済みのスキンにおいても頑健な性能を発揮し、交換後すぐに使用可能で最小限のキャリブレーションで運用可能です。

ABSTRACT

Soft sensors have continued growing interest in robotics, due to their ability to enable both passive conformal contact from the material properties and active contact data from the sensor properties. However, the same properties of conformal contact result in faster deterioration of soft sensors and larger variations in their response characteristics over time and across samples, inhibiting their ability to be long-lasting and replaceable. ReSkin is a tactile soft sensor that leverages machine learning and magnetic sensing to offer a low-cost, diverse and compact solution for long-term use. Magnetic sensing separates the electronic circuitry from the passive interface, making it easier to replace interfaces as they wear out while allowing for a wide variety of form factors. Machine learning allows us to learn sensor response models that are robust to variations across fabrication and time, and our self-supervised learning algorithm enables finer performance enhancement with small, inexpensive data collection procedures. We believe that ReSkin opens the door to more versatile, scalable and inexpensive tactile sensation modules than existing alternatives.

研究の動機と目的

• ロボット工学および人間-ロボットインタラクション分野における長寿命で交換可能でスケーラブルなタクトイルセンシングソリューションの不足に対処すること。
• 柔らかくコンフォーマルな接触と、時間経過およびサンプル間でのセンサの劣化の間で生じるトレードオフを克服すること。
• 完全な再トレーニングや再キャリブレーションを必要とせずに、新品のセンサースキンにおいても正確なタクトイル認識を可能にすること。
• ロボットグリッパー、ウェアラブルセンサ、大面積スキンなど多様な応用に適したコンact、低コストで多用途なタクトイルスキンの開発。
• 1mm の空間分解能（1mm）および最大400Hzの時間分解能を達成し、0.1N未満の力感度を実現すること。

提案手法

• 接触時に変形する柔ららかく磁化されたスキン層を用い、局所的な磁界が変化するのを、埋め込まれたフレキシブルな磁気センサが検出する。
• 機械学習を活用して磁界歪みを接触力および位置にマッピングし、製造バラツキや時間経過に伴う変化に対しても頑健な推論を可能にする。
• 新しいスキンに対して最小限のデータ収集でモデルを精緻化するため、三重損失を用いた自己教師あり学習（SSL）の適応手順を実装する。
• 電子的センシング回路を受動的スキンインターフェースから分離し、バンディーレイクのように摩耗したスキンを簡単に交換可能にする。
• 1つのマイコンローダーに複数のフレキシブルセンサーボードを接続することで、大規模な連続表面（例：2in × 4in）へのスケーリングを実現する。
• モバイルおよびウェアラブルアプリケーションへの展開を目的に、オンボードのデータログ記録とリアルタイムサンプリング（最大400Hz）を実装する。

実験結果

リサーチクエスチョン

• RQ1 タクトイルセンシングシステムは、再トレーニングなしに複数回のセンサースキン交換後でも、高い精度と空間分解能を維持できるか？
• RQ2 自己教師あり学習アプローチは、最小限のデータで、未キャリブレーションの新しいReSkinセンサーに事前トレーニング済みモデルをどれほど効果的に適応できるか？
• RQ3 機械学習を用いた磁界センシングは、製造バラツキや長期使用にわたってどれほど一般化可能か？
• RQ4 ReSkin は、器用な操作タスクに必要な十分な力感度（<0.1 N）と時間分解能（>100 Hz）を達成できるか？
• RQ5 ReSkin は、全表面の接触位置局所化を可能にする大規模で連続的なタクトイルスキンにどれほど効果的にスケーリングできるか？

主な発見

• 自己教師あり適応手順を用いて、新しいセンサースキンで1mm空間分解能における接触位置局所化の正確さが90％に達する。
• システムは50,000回を超える相互作用にわたり、正確な力および接触予測を維持しており、長期的な耐久性を示している。
• ReSkin センサーは0.2 N（20 mL未満の水に相当）の力まで検出可能であり、軽い接触の感度検出が可能である。
• 自己教師あり学習手法により、最小限のデータ収集で高精度な性能が得られ、キャリブレーション時間とコストが大幅に削減された。
• 力フィードバックを用いた場合、ブルーベリーおよびグレープなどの繊細な物体の把持に成功し、Robotiq Hand-E グリッパーの内蔵力センサーよりも優れた性能を示した。
• ReSkin は多様な応用分野に成功裏に展開された：ドッグシューズ（歩行力の測定）、人間の指用グローブ（生地のシールド強度測定）、2in × 4in の連続的大面積スキン（全表面センシング）